Einsatz der Genetischen Programmierung zur Lösung des Storage Location Assignment Problems anhand eines konkreten Anwendungsfalls

Abstract

Wirtschaftliches Wachstum gilt als zentrales Ziel jedes Unternehmens. Um die Leistungsfähigkeit eines Unternehmens bei wachsendem Konkurrenzdruck zu steigern, kann eine Optimierung des Lagers vorgenommen werden. Jene wird zum zentralen Gegenstand dieser Arbeit, wobei die Optimierung eines konkreten Lagers mit Hilfe der genetischen Programmierung untersucht wird. Das Ziel besteht darin, eine möglichst gute Sortierungsmethode für das Lager zu ermitteln. Hierzu wird das Potential von genetischer Programmierung für das Storage Location Assignment Problem geprüft. Im Anschluss wird der Algorithmus in einer Implementierung getestet. Grundlegende Problem dieser werden aufgearbeitet, woran anknüpfend Lösungsansätze untersucht werden. Dabei hat sich herauskristallisiert, dass die Tournament Selection in der genutzten Konfiguration des Algorithmus die besten Ergebnisse liefert. Des Weiteren konnte herausgestellt werden, dass eine zu starke Größenkontrolle dem Algorithmus die Möglichkeit nimmt, eine gute Lösung ermitteln zu können. In finalen Tests, die die Erkenntnisse der vorangestellten Versuche berücksichtigen, konnte festgestellt werden, dass die genetische Programmierung ein erhebliches Potential zur Optimierung eines chaotischen Lagers mit einem dynamischen Sortiment birgt. Die Ergebnisse dieses Tests wurden durch einen Validierungsdatensatz geprüft. Daraus kann der Schluss gezogen werden, dass die Sortierung des Lagers erhebliche Ersparnisse in der Kommissionierung bewirken kann.

Economic growth is considered a central goal of every company. To increase the performance of a company in the face of growing competitive pressure, the warehouse can be optimized. This becomes the central subject of this thesis, where the optimization of a concrete warehouse is investigated with the help of genetic programming. The goal is to determine the best possible sorting method for the warehouse. For this purpose, the potential of genetic programming for the storage location assignment problem is examined. Subsequently, the algorithm is tested in an implementation. Fundamental problems of this are worked out, whereupon following solution beginnings are examined. It was found that the Tournament Selection in the used configuration of the algorithm provides the best results. Furthermore, it could be shown that a too strong size control takes away the possibility of the algorithm to determine a good solution. In final tests, considering the findings of the preceding experiments, it was found that genetic programming has considerable potential for optimizing a chaotic warehouse with a dynamic assortment. The results of this test were verified by a validation data set. It can be concluded that the sorting of the warehouse can bring about significant savings in the picking process.